大数据之Hive:DML数据操作(八)

1 .分区排序（Distribute By）
Distribute By： 控制某个特定行到哪个reducer。distribute by类似MR中partition（自定义分区），进行分区，结合sort by使用。
案例实操：
（1）先按照部门编号分区，再按照员工编号降序排序。

hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;

注意：
1).distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后，余数相同的分到一个区。
2)．Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。
2. Cluster By
当distribute by和sorts by字段相同时，可以使用cluster by方式。
cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序，不能指定排序规则为ASC或者DESC。
1）以下两种写法等价

hive (default)> select * from emp cluster by deptno;
hive (default)> select * from emp distribute by deptno sort by deptno;